为不同的分类级别绘制不同的颜色

2025-02-10 08:57:00
admin
原创
67
摘要:问题描述:diamonds我有这个由像这样的变量组成的数据框,我想为每个变量绘制一个到(carat, price, color)的散点图,这意味着不同的变量在图中具有不同的颜色。price`caratcolorcolor`这很R容易ggplot:ggplot(aes(x=carat, y=price, col...

问题描述:

diamonds我有这个由像这样的变量组成的数据框,我想为每个变量绘制一个到(carat, price, color)的散点图,这意味着不同的变量在图中具有不同的颜色。price`caratcolorcolor`

这很R容易ggplot

ggplot(aes(x=carat, y=price, color=color),  #by setting color=color, ggplot automatically draw in different colors
       data=diamonds) + geom_point(stat='summary', fun.y=median)

在此处输入图片描述

我想知道如何在 Python 中使用来实现这一点matplotlib

附言:

我知道辅助绘图包,例如seabornggplot for python,但我并不喜欢它们,只是想知道是否可以matplotlib单独使用它们来完成这项工作,;P


解决方案 1:

导入和示例 DataFrame

import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns  # for sample data
from matplotlib.lines import Line2D  # for legend handle

# DataFrame used for all options
df = sns.load_dataset('diamonds')

   carat      cut color clarity  depth  table  price     x     y     z
0   0.23    Ideal     E     SI2   61.5   55.0    326  3.95  3.98  2.43
1   0.21  Premium     E     SI1   59.8   61.0    326  3.89  3.84  2.31
2   0.23     Good     E     VS1   56.9   65.0    327  4.05  4.07  2.31

matplotlib

您可以传递plt.scatter一个c参数,以便选择颜色。以下代码定义了一个colors字典,用于将菱形颜色映射到绘图颜色。

fig, ax = plt.subplots(figsize=(6, 6))

colors = {'D':'tab:blue', 'E':'tab:orange', 'F':'tab:green', 'G':'tab:red', 'H':'tab:purple', 'I':'tab:brown', 'J':'tab:pink'}

ax.scatter(df['carat'], df['price'], c=df['color'].map(colors))

# add a legend
handles = [Line2D([0], [0], marker='o', color='w', markerfacecolor=v, label=k, markersize=8) for k, v in colors.items()]
ax.legend(title='color', handles=handles, bbox_to_anchor=(1.05, 1), loc='upper left')

plt.show()

df['color'].map(colors)有效地将颜色从“钻石”映射到“绘图”。

(请原谅我没有放上另一张示例图,我认为 2 张就够了 :P)

seaborn

您可以使用seaborn一个包装器matplotlib,它默认使它看起来更漂亮(我知道,这更是基于意见的:P),但也添加了一些绘图功能。

为此,您可以使用seaborn.lmplotfit_reg=False这可以防止它自动进行某些回归)。

  • sns.scatterplot(x='carat', y='price', data=df, hue='color', ec=None)也做同样的事情。

选择hue='color'告诉 seaborn 根据列中的唯一值来拆分和绘制数据'color'

sns.lmplot(x='carat', y='price', data=df, hue='color', fit_reg=False)

在此处输入图片描述

pandas.DataFrame.groupbypandas.DataFrame.plot

如果您不想使用 seaborn,可以pandas.groupby单独使用获取颜色,然后仅使用 matplotlib 绘制它们,但您必须在使用过程中手动分配颜色,我在下面添加了一个示例:

fig, ax = plt.subplots(figsize=(6, 6))

grouped = df.groupby('color')
for key, group in grouped:
    group.plot(ax=ax, kind='scatter', x='carat', y='price', label=key, color=colors[key])
plt.show()

此代码假设 DataFrame 与上述相同,然后根据 对其进行分组color。然后迭代这些组,为每个组绘制图表。为了选择颜色,我创建了一个colors字典,它可以将钻石颜色(例如D)映射到真实颜色(例如tab:blue)。

在此处输入图片描述

解决方案 2:

这是一个使用 seaborn 调色板的简洁而通用的解决方案。

首先找到你喜欢的调色板并选择性地将其可视化:

sns.palplot(sns.color_palette("Set2", 8))

然后你可以matplotlib这样做:

# Unique category labels: 'D', 'F', 'G', ...
color_labels = df['color'].unique()

# List of RGB triplets
rgb_values = sns.color_palette("Set2", 8)

# Map label to RGB
color_map = dict(zip(color_labels, rgb_values))

# Finally use the mapped values
plt.scatter(df['carat'], df['price'], c=df['color'].map(color_map))

解决方案 3:

我也有同样的问题,并且花了一整天的时间尝试不同的软件包。

我最初使用的是 matlibplot:并且对将类别映射到预定义颜色或分组/聚合然后遍历组(并且仍然必须映射颜色)不满意。我只是觉得这是糟糕的软件包实现。

对我来说,Seaborn 不起作用,而 Altair 只能在 Jupyter Notebook 中运行。

对我来说最好的解决方案是 PlotNine,它“是 Python 中图形语法的实现,基于 ggplot2”。

下面是在 Python 中复制 R 示例的 plotnine 代码:

from plotnine import *
from plotnine.data import diamonds

g = ggplot(diamonds, aes(x='carat', y='price', color='color')) + geom_point(stat='summary')
print(g)

plotnine 钻石示例

非常干净和简单:)

解决方案 4:

最简单的方法就是将整数类别级别数组简单地传递给plt.scatter()颜色参数。

import pandas as pd
import matplotlib.pyplot as plt 

df = pd.read_csv('https://raw.githubusercontent.com/mwaskom/seaborn-data/master/diamonds.csv')

plt.scatter(df['carat'], df['price'], c=pd.factorize(df['color'])[0],)
plt.gca().set(xlabel='Carat', ylabel='Price', title='Carat vs. Price')

在此处输入图片描述

这将创建一个没有图例的图,使用默认的“viridis”颜色图。在这种情况下,“viridis”不是一个好的默认选择,因为颜色似乎暗示了连续的顺序,而不是纯粹的名义类别。

要选择您自己的颜色图并添加图例,最简单的方法是这样的:

import matplotlib.patches

levels, categories = pd.factorize(df['color'])
colors = [plt.cm.tab10(i) for i in levels] # using the "tab10" colormap
handles = [matplotlib.patches.Patch(color=plt.cm.tab10(i), label=c) for i, c in enumerate(categories)]

plt.scatter(df['carat'], df['price'], c=colors)
plt.gca().set(xlabel='Carat', ylabel='Price', title='Carat vs. Price')
plt.legend(handles=handles,  title='Color')

在此处输入图片描述

我在这里选择了“tab10”离散(又名定性)色彩图,它可以更好地表明颜色因子是一个名义分类变量。

额外内容:在第一个图中,通过将类别级别整数数组中的最小-最大缩放值传递到颜色图对象的调用
方法
来选择默认颜色。pd.factorize(iris['species'])[0]`plt.cm.viridis`

解决方案 5:

这里是定性色彩图中的标记和颜色的组合matplotlib

import itertools
import numpy as np
from matplotlib import markers
import matplotlib.pyplot as plt

m_styles = markers.MarkerStyle.markers
N = 60
colormap = plt.cm.Dark2.colors  # Qualitative colormap
for i, (marker, color) in zip(range(N), itertools.product(m_styles, colormap)):
    plt.scatter(*np.random.random(2), color=color, marker=marker, label=i)
plt.legend(bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0., ncol=4);

在此处输入图片描述

解决方案 6:

使用Altair。

from altair import *
import pandas as pd

df = datasets.load_dataset('iris')
Chart(df).mark_point().encode(x='petalLength',y='sepalLength', color='species')

在此处输入图片描述

解决方案 7:

您可以使用以下命令将分类列转换为数字列:

#we converting it into categorical data
cat_col = df['column_name'].astype('category') 

#we are getting codes for it 
cat_col = cat_col.cat.codes 

# we are using c parameter to change the color.
plt.scatter(df['column1'],df['column2'], c=cat_col) 

解决方案 8:

使用 df.plot()

通常,在快速绘制 DataFrame 时,我会使用pd.DataFrame.plot()。这将索引作为 x 值,将值作为 y 值,并使用不同的颜色分别绘制每列。可以使用set_index和来实现这种形式的 DataFrame unstack

import matplotlib.pyplot as plt
import pandas as pd

carat = [5, 10, 20, 30, 5, 10, 20, 30, 5, 10, 20, 30]
price = [100, 100, 200, 200, 300, 300, 400, 400, 500, 500, 600, 600]
color =['D', 'D', 'D', 'E', 'E', 'E', 'F', 'F', 'F', 'G', 'G', 'G',]

df = pd.DataFrame(dict(carat=carat, price=price, color=color))

df.set_index(['color', 'carat']).unstack('color')['price'].plot(style='o')
plt.ylabel('price')

阴谋

使用此方法您不必手动指定颜色。

此过程可能对其他数据系列更有意义。就我而言,我有时间序列数据,因此 MultiIndex 由日期时间和类别组成。也可以使用此方法对多个列进行着色,但图例变得混乱。

相关推荐
  政府信创国产化的10大政策解读一、信创国产化的背景与意义信创国产化,即信息技术应用创新国产化,是当前中国信息技术领域的一个重要发展方向。其核心在于通过自主研发和创新,实现信息技术应用的自主可控,减少对外部技术的依赖,并规避潜在的技术制裁和风险。随着全球信息技术竞争的加剧,以及某些国家对中国在科技领域的打压,信创国产化显...
工程项目管理   1579  
  为什么项目管理通常仍然耗时且低效?您是否还在反复更新电子表格、淹没在便利贴中并参加每周更新会议?这确实是耗费时间和精力。借助软件工具的帮助,您可以一目了然地全面了解您的项目。如今,国内外有足够多优秀的项目管理软件可以帮助您掌控每个项目。什么是项目管理软件?项目管理软件是广泛行业用于项目规划、资源分配和调度的软件。它使项...
项目管理软件   1355  
  信创产品在政府采购中的占比分析随着信息技术的飞速发展以及国家对信息安全重视程度的不断提高,信创产业应运而生并迅速崛起。信创,即信息技术应用创新,旨在实现信息技术领域的自主可控,减少对国外技术的依赖,保障国家信息安全。政府采购作为推动信创产业发展的重要力量,其对信创产品的采购占比情况备受关注。这不仅关系到信创产业的发展前...
信创和国产化的区别   8  
  信创,即信息技术应用创新产业,旨在实现信息技术领域的自主可控,摆脱对国外技术的依赖。近年来,国货国用信创发展势头迅猛,在诸多领域取得了显著成果。这一发展趋势对科技创新产生了深远的推动作用,不仅提升了我国在信息技术领域的自主创新能力,还为经济社会的数字化转型提供了坚实支撑。信创推动核心技术突破信创产业的发展促使企业和科研...
信创工作   9  
  信创技术,即信息技术应用创新产业,旨在实现信息技术领域的自主可控与安全可靠。近年来,信创技术发展迅猛,对中小企业产生了深远的影响,带来了诸多不可忽视的价值。在数字化转型的浪潮中,中小企业面临着激烈的市场竞争和复杂多变的环境,信创技术的出现为它们提供了新的发展机遇和支撑。信创技术对中小企业的影响技术架构变革信创技术促使中...
信创国产化   8  
热门文章
项目管理软件有哪些?
云禅道AD
禅道项目管理软件

云端的项目管理软件

尊享禅道项目软件收费版功能

无需维护,随时随地协同办公

内置subversion和git源码管理

每天备份,随时转为私有部署

免费试用